Enabling Multilingual Privacy Policy Audits: Large-Scale Analysis of Spanish Mobile Apps
Dit artikel toont aan dat grote taalmodellen effectief de audits van privacybeleid kunnen uitbreiden voorbij het Engels door een hoge kruislingse prestatie te behalen over EU-talen, wat onthult dat audits die beperkt blijven tot het Engels systematisch transparantiekloven en discrepanties tussen verklaarde en geobserveerde datapraktijken in meertalige app-ecosystemen zoals de Spaanse Google Play Store verhullen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je het internet voor als een enorme, bruisende bibliotheek waar elke app een boek is. Voordat je een boek mag lezen, wordt er van je verwacht dat je de "achterkant" ervan controleert om te zien welke geheimen het over jou zou kunnen bewaren. In de digitale wereld wordt deze achterkant een privacybeleid genoemd. Het is een juridische belofte van de maker van de app die zegt: "Dit is precies welke gegevens we van je telefoon zullen halen en hoe we die zullen gebruiken." Jarenlang hebben onderzoekers robots gebouwd om deze beloftes te lezen en te controleren of de apps de waarheid spreken. Maar er is een addertje onder het gras: de meeste van deze robots spreken alleen Engels.
Dit creëert een probleem voor plaatsen zoals de Europese Unie, waar mensen 24 verschillende officiële talen spreken. Als een app in het Spaans, Frans of Grieks is geschreven, maar de robot begrijpt alleen Engels, dan wordt die app onzichtbaar voor de audit. Het is alsoamelijk proberen de veiligheid van gebouwen in een hele stad te controleren, terwijl de inspecteur alleen de blauwdrukken kan lezen van huizen die in het Engels zijn gebouwd. Dit artikel stelt een grote vraag: Kunnen we onze robot-inspecteurs leren om álle deze talen te begrijpen zonder dat er een menselijke expert nodig is om ze elke taal afzonderlijk te leren? En als dat kan, welke verborgen geheimen vinden we dan wanneer we eindelijk naar de apps kijken die voorheen werden genegeerd?
De taalbrekende robot
De onderzoekers in dit artikel besloten een "meertalige super-inspecteur" te bous door middel van een type kunstmatige intelligentie dat een Large Language Model (LLM) wordt genoemd. Denk aan een LLM als een superintelligente student die bijna alles op het internet heeft gelezen. In tegen tegenstelling tot oudere robots, die voor elke taal een specifiek tekstboek nodig hadden (wat moeilijk te schrijven is), kan deze student de betekenis van een Spaans of Pools privacybeleid raden door er simpelweg naar te kijken, zelfs als ze voornamelijk op Engels zijn getraind.
Om te testen of deze student daadwerkelijk slim genoeg was om een juridisch auditor te zijn, hebben het team niet alleen geraden. Ze creëerden een enorme "oefenexamen". Ze namen twee beroemde, door experts geschreven sets privacybeleid (oorspronkelijk in het Engels) en gebruikten een hoogwaardige vertaaltool om deze om te zetten in alle 24 de officiële talen van de EU. Vervolgens vroegen ze hun AI-student om deze vertaalde beleidsregels te lezen en te identificeren wat voor soort persoonlijke gegevens de apps claimden te verzamelen, zoals je locatie, je contacten of je gezondheidsinformatie.
De resultaten waren verrassend goed. De AI-student had in ongeveer 91% tot 94% van de gevallen gelijk, ongeacht welke taal hij las. Het maakte niet uit of het beleid in het Ests of Frans was; de robot begreep de regels net zo goed als in het Engels. Dit bewees dat we niet een team van 24 verschillende juridische experts nodig hebben om elke taal te auditeren; een slimme AI kan het zware werk over de hele linie doen.
De grote Spaanse app-audit
Met hun nieuwe meertalige robot gereed, gingen het team op een echte missie. Ze downloadden en testten 2.611 Android-apps uit de Spaanse Google Play Store. Dit was een grote zaak, omdat eerdere audits vooral naar populaire commerciële apps keken, die hun beleid vaak in het Engels schrijven. De onderzoekers wilden zien wat er gebeurde wanneer ze de "andere" apps zouden opnemen: overheidsdiensten, lokale gemeentelijke tools en openbaar vervoer-apps, die meestal hun beleid in het Spaans schrijven.
Ze lazen niet alleen de beleidsregels; ze observeerden ook de apps in actie. Ze draalden de apps op testtelefoons en registreerden elke stukje data dat de apps probeerden te versturen naar het internet. Vervolgens vergeleken ze de "belofte" (het beleid) met de "realiteit" (de werkelijke verzonden gegevens).
Dit is wat ze vonden, en het is een beetje een plotwending:
1. De taalbarrière verbergt de waarheid
De audit onthulde een duidelijke kloof. De populaire commerciële apps (zoals games en winkeltools) schreven hun privacybeleid meestal in het Engels. De publieke sector-apps (zoals overheidsdiensten) schreven die in het Spaans. Omdat de meeste eerdere audits alleen Engels spraken, waren ze effectief blind voor de publieke sector-apps. Door Spaans te spreken, konden de onderzoekers eindelijk zien wat deze overheidsapps deden.
2. Het "omissie"-probleem
Wanneer ze de beloften vergeleken met de realiteit, ontdekten ze dat veel apps loog door weglating (omissie)—dat wil zeggen, ze zeiden niet dat ze gegevens verzamelden, maar ze deden het toch.
- De commerciële apps: Ongeveer 15,1% van de populaire commerciële apps had beleid dat niet overeenkwam met hun gedrag.
- De publieke apps: De situatie was veel erger voor overheidsapps. Bijna 49,5% van hen had beleid dat belangrijke gegevensverzameling negeerde.
3. Wat ontbrak er?
Het meest voorkomende geheim was "device telemetry". Dit is technisch jargon voor het stilletjes versturen van informatie over je telefoontype, de softwareversie en je unieke ID naar het internet. De apps vermelden dit vaak niet in hun beleid.
- Voor de publieke sector-apps waren 79,6% van de geobserveerde datastromen niet vermeld in hun privacybeleid.
- Ondanks dat dit overheidsapps waren, stuurden ze vaak gegevens naar grote technologiebedrijven (zoals Google) en servers in de VS en het VK, zonder de gebruiker duidelijk te vertellen dat dit gebeurde.
Waarom dit ertoe doet
Het artikel suggereert dat het probleem niet alleen is dat sommige apps slechte actoren zijn; het is dat het hele systeem van controle op hen kapot is vanwege taal. Door alleen Engelse beleidsregels te auditeren, hebben toezichthouders en onderzoekers een enorme hap uit het digitale ecosysteem gemist, met name de diensten die overheden aan hun burgers leveren.
De studie laat zien dat wanneer je eindelijk naar de Spaanstalige apps kijkt, je een ander soort transparantiekloof ziet. Het gaat niet alleen over advertenties en tracking; het gaat over hoe zelfs publieke diensten vertrouwen op complexe, verborgen verbindingen met externe tools die automatisch data verzenden zonder een duidelijke uitleg. De onderzoekers concluderen dat we, om privacy te herstellen, moeten stoppen met taal als een barrière te behandelen. We hebben tools nodig die elke taal kunnen auditeren, want de geheimen die apps bewaren, geven niets om de taal die je spreekt. De "alleen Engels"-manier van privacy controleren is als het proberen op te lossen van een puzzel terwijl je slechts naar de helft van de stukjes kijkt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.